Perplexity تطلق نموذجَي late interaction للبحث في صفحات PDF دون OCR

نشرت Perplexity على Hugging Face مجموعة pplx-embed-v2، وتضم نموذجَي pplx-embed-v2-late. يعمل النموذجان وفق مبدأ late interaction، ويبحثان في صفحات المستندات كما لو كانت صوراً. تتحول الصفحة كاملة، بجداولها ورسومها البيانية وتخطيطها، إلى embeddings، وتختفي من مسار المعالجة مرحلة التعرف على النص (OCR). وتحدد مدونة Qdrant المؤرخة في 13 أكتوبر 2026 نقطة الضعف في الإصدار منذ البداية: يعاني المسترجِع البصري من Perplexity من مشكلة في الحجم، وتعلن Qdrant أنها حلّتها. ولا يورد المقتطف المتاح من المادة تفاصيل الحل، ولذلك نفصل أدناه بين الحقائق الثابتة والافتراضات المعقولة.

لماذا البحث في الصفحة لا في النص

لا معنى لرقم في تقرير مالي من دون السطر والعمود ووحدة القياس. وينطبق الأمر نفسه على الرسم البياني من دون تسميات. يستخرج المسار الكلاسيكي النص من PDF عبر OCR، ثم يقسّمه إلى مقاطع ويفهرسها. وتتفكك البنية في هذه العملية: تنفصل خلية الجدول عن عنوان عمودها، وتنفصل تسمية المحور عن المحور نفسه.

تقترح Perplexity مساراً آخر. يتلقى النموذج صورة الصفحة ويرمّزها كاملة. يبقى الجدول جدولاً، ويبقى الرسم البياني رسماً بيانياً. ويبحث الاستعلام عن تطابق داخل الصفحة بالطريقة التي يراها بها الإنسان. وفي المجموعات التي تضم تقارير وعروضاً تقديمية ومواصفات تقنية، يزيل ذلك طبقة كاملة من الأخطاء، إذ لا حاجة إلى ضبط OCR لخطوط ولغات وصور ممسوحة ضوئياً مختلفة.

أين تظهر مشكلة الحجم

يختلف late interaction عن البحث المعتاد القائم على متجه واحد لكل مستند. في أنظمة مثل ColBERT وColPali تُمثَّل الصفحة بمجموعة من المتجهات، وتُحسب الصلة بمقابلة كل متجه من الاستعلام مع أفضل متجه في الصفحة (MaxSim). تكون الدقة أعلى، لكن المطلوب تخزينه ليس متجهاً واحداً لكل صفحة بل عدة متجهات. وهذا مبدأ عام لهذه الفئة من النماذج، وليس بيانات مأخوذة من الإصدار. أما البُعد (dimensionality) المحدد وعدد المتجهات لكل صفحة فلم يُذكرا في النص المتاح.

ولهذا السبب يُقرأ عنوان «مشكلة الحجم» على أنه مشكلة في حجم الفهرس متعدد المتجهات. وهذا استنتاج وليس اقتباساً. فعلى مجموعة من ملايين الصفحات، يعني الفرق بين متجه واحد ومئات المتجهات لكل صفحة فرقاً في الذاكرة وتكلفة الخوادم وزمن استجابة البحث. وتدعم Qdrant التخزين متعدد المتجهات منذ فترة طويلة، لذا فاهتمامها بالموضوع مفهوم. أما كيف قلّص الفريق الحجم تحديداً، فيجب البحث عنه في النسخة الكاملة من المنشور.

ما المعروف حتى اليوم

• المطوِّر: Perplexity، مجموعة pplx-embed-v2 على Hugging Face
• النماذج: نموذجان من نوع late interaction هما pplx-embed-v2-late
• المدخل: صورة صفحة المستند
• ما يجري ترميزه: الجداول والمخططات والتخطيط
• OCR: غير مطلوب
• مصدر التحليل: مدونة Qdrant، 13 أكتوبر 2026
• ما لم يُكشف في المقتطف: بُعد embeddings، وعدد المتجهات لكل صفحة، ونتائج الاختبارات المعيارية (benchmarks)، والترخيص، وطريقة الضغط

ما الذي يجب التحقق منه قبل الاعتماد

لا يُنصح بنقل البحث في بيئة الإنتاج إلى embeddings بصرية قبل احتساب عدة أمور.

1. كم متجهاً يُخرجه النموذج لكل صفحة، وكم من الذاكرة ستشغل مجموعتكم بهذه الكثافة. اضربوا عدد الصفحات في حجم المتجه المتعدد وقارنوا الناتج بالميزانية. 2. كيف تكون الجودة على مستنداتكم. خذوا 50–100 استعلاماً حقيقياً عن الجداول والرسوم البيانية وقارنوا النتائج بالخيار الأساسي: OCR مع embeddings نصية. 3. هل تدعم قاعدة المتجهات لديكم المتجهات المتعددة وMaxSim بصورة أصلية. وإلا فسيتعين عليكم بناء إعادة الحساب بأنفسكم. 4. ما طريقة الضغط المستخدمة وماذا تفعل بالجودة. يجب اختبار أي تقليص للفهرس على الاستعلامات نفسها، وعدم الوثوق بالمتوسطات.

إذا كانت المجموعة صغيرة وكانت الجداول والمخططات هي الأهم فيها، فيمكن تجربة المسترجِع البصري منذ الآن. أما إذا بلغ عدد الصفحات ملايين، فلن تكون الجودة هي العامل الحاسم، بل مدى النجاح في ضغط الفهرس.